Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József
|
|
- Brigitta Dóra Vincze
- 7 évvel ezelőtt
- Látták:
Átírás
1 Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József
2 Matematika III. 4. : A valószínűségi változó és jellemzői Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP /1/A Tananyagfejlesztéssel a GEO-ért projekt keretében készült. A projektet az Európai Unió és a Magyar Állam Ft összegben támogatta. v 1.0 Publication date 2010 Szerzői jog 2010 Nyugat-magyarországi Egyetem Geoinformatikai Kar Kivonat Ez a modul a A valószínűségi változók fogalmával, és azok legfontosabb jellemzőivel (eloszlás- és sűrűségfüggvény, várható érték, szórás) ismerteti meg az olvasót. Jelen szellemi terméket a szerzői jogról szóló évi LXXVI. törvény védi. Egészének vagy részeinek másolása, felhasználás kizárólag a szerző írásos engedélyével lehetséges.
3 Tartalom 4. A valószínűségi változó és jellemzői Bevezetés A valószínűségi változó fogalma A valószínűségi változó eloszlás- és sűrűség-függvénye Várható érték Szórás A szórás fogalma A szórás meghatározása A szórás tulajdonságai Összefoglalás iii
4
5 4. fejezet - A valószínűségi változó és jellemzői Bevezetés Jelen modul a Matematika III. tárgy negyedik fejezete, modulja. Az itt következő ismeretek megértéséhez javasoljuk, hogy olvassa el a Tárgy korábbi moduljainál írottakat. Amennyiben ez még nem lenne elég a megértéshez, akkor forduljon a szerzőhöz segítségért. Jelen modul célja, hogy az Olvasó rutinszerűen kezelje a valószínűségi változó fogalmát, elsajátítsa a rá jellemző függvények használatát, és képessé váljon azok összetettebb számítási feladatok megoldásában való felhasználására is. A világon nagyon sok véletlen jelenség fordul elő. Még azt is mondhatjuk, hogy több dolog függ a véletlentől, mint amennyi egyértelműen meghatározott. A hagyományos függvényfogalom mintájára a véletlen elemi eseményekhez is rendelhetünk számértéket, és így létrehozhatunk egy absztrakt függvényt. Például a kockadobás elemi eseményeihez hozzárendelhetnénk akár a dobott pontszámok négyzeteit, akár a pontszámok reciprokait vagy akár más számokat. Más példaként a pénzfeldobás f=0, i=1 hozzárendelés is egy függvénykapcsolatot jelent. A vállalat dolgozóihoz a bér, az életkor, a személyi szám vagy egyéb adatok hozzárendelésével is egy-egy véletlen függvényt definiálunk A valószínűségi változó fogalma A kísérletek során bekövetkező más-más elemi eseményekhez más-más számértéket rendelünk, de egy elemi eseményhez mindig ugyanazt. Definíció: Az függvényt valószínűségi változónak nevezzük, ha a valószínűség létezik esetén. Diszkrét és folyamatos valószínűségi változókról beszélhetünk. Definíció Ha az η valószínűségi változó lehetséges értékeinek száma véges vagy megszámlálhatatlan végtelen, akkor diszkrét valószínűségi változóról beszélünk. Példa: diszkrét valószínűségi változóra Két kockával dobunk. Jelölje η a dobott számok összegét! 1
6 Tetszőleges valószínűséget az eloszlásból ki lehet számítani: Ábrázolhatjuk az η valószínűségi változó (valószínűségi változó) eloszlását: η: meghibásodás helyének Budapesttől mért távolsága 2
7 ha ha ha Példa 1: η jelölje egy kockával hányas számot dobtunk. Értékkészlet: x i = i i=1,2,3,4,5,6 Ekkor η = x i egy esemény, P(η=x i) = 1/6. P (η 5) = 4/6 = Példa 2: jelölje egy izzólámpa élettartamának mérőszámát! Értékkészlet: nemnegatív valós számok P ( ) - Az izzólámpa 100 és 150 óra között ég ki. Példa 3: Indikátor változó: Példa 4: Legyen ξ i i= 1,2,...,n a mintavétel indikátorváltozója. ξ i = 1, ha selejt, ξ i= 0, ha nem selejt Mit jelent η = n? - selejt darabszáma? Megoldás: η jelenti a selejtek számát. Definíció: 3
8 A és valószínűségi változókat függetleneknek nevezzük, ha tetszőleges x és y valós számok esetén a x és y események függetlenek: A valószínűségi változó eloszlás- és sűrűségfüggvénye. A diszkrét adjuk meg. Legyenek valószínűségi változó eloszlását a lehetséges értékeivel és ezek bekövetkezési valószínűségeivel lehetséges értékei x 1,x 2,...,x n... és ezek bekövetkezési valószínűségei p 1, p 2,..., p n,... Az 1 = x 1, 2 = x 2,..., n = x n,... események teljes eseményrendszert alkotnak, mert bármely két különböző esemény kizárja egymást, és az valamelyik lehetséges értékét biztosan felveszi. A folytonos valószínűségi változó eloszlását a valószínűségi változó eloszlásfüggvényével vagy sűrűségfüggvényével adjuk meg. A valószínűségszámítás axiómáival és a valószínűségek közötti összefüggések felhasználásával az kapcsolatos események valószínűsége meghatározható. -val A valószínűségeloszlás a mechanikai rendszerek tömegeloszlásával hasonlatos fogalom. Diszkrét valószínűségi eloszlás mechanikai megfeleltetésében a számegyenes diszkrét pontjaiba összesen egységnyi tömeget osztunk el. Folytonos eloszlás esetén az egységnyi tömeget a számegyenes mentén folytonosan osztjuk el. Definíció: Egy valószínűségi változó eloszlásfüggvényének nevezzük azt a F(x) függvényt, amely minden valós x értékhez hozzárendeli annak valószínűségét, hogy az valószínűségi változó milyen valószínűséggel vesz fel x-nél kisebb értékeket: Az valószínűségi változó lehetséges értékei legyenek x 1,x 2,...,x n,..., és legyenek ezek bekövetkezési valószínűségei p 1,p 2,...,p n,... Ekkor Mechanikai analógia: F(x) az x-től balra levő tömeg mérőszámát adja meg az esetén. valószínűség-eloszlásának megfelelő tömegeloszlás 4
9 Példa 1: A kockadobás valószínűségi változójának eloszlásfüggvénye. Példa 2: R sugarú céltáblára lövéseket adunk le. Legyen valószínűségi változó a találati pont és a céltábla középpontja közötti távolság mérőszáma. 5
10 Határozzuk meg F(x)-et! Bizonyítás: Ha F az η valószínűségi változó eloszlásfüggvénye, akkor Bizonyítás: Tekintsük az alábbi eseményeket Ha F(x) eloszlásfüggvény, akkor a. F(x) monoton növő függvény, azaz esetén b., i. balról folytonos Példa 3: 6
11 Definíció: Legyen η folytonos valószínűségi változó és az F eloszlásfüggvénye legyen mindenütt esetleg véges sok pont kivételével mindenütt definiálható, akkor a függvényt sűrűségfüggvénynek nevezzük. Példa 4: Az előző példa sűrűségfüggvényét deriválással nyerjük: Ha az η folytonos valószínűségi változónak f(x) a sűrűségfüggvénye, akkor 7
12 a. D f, mert F(x) monoton b., mert i., mert a. (Newton-Leibniz) A b) tulajdonság geometriailag azt jelenti, hogy az f(x) függvény alatti síkidom területe egységnyi. A sűrűségfüggvény felhasználható valószínűségek kiszámítására: Az integrál geometriai jelentése alapján az f(x) sűrűségfüggvény az a,b intervallum görbéje alatti síkidom területének mérőszáma annak valószínűségét adja meg, hogy a valószínűségi változó értéke az a,b intervallumba esik. Legyen, igen kis érték. Ekkor, azaz Tehát f(x) közelítőleg a x hosszúságú intervallumba esés és az intervallum hosszának hányadosa, így sűrűség jellegű mennyiség. Példa 5: A céltáblás kísérletnél határozzuk meg a körgyűrűbe esés valószínűségét! Ha f(x) legfeljebb véges számú hely kivételével folytonos függvény,és 8
13 akkor létezik η valószínűségi változó, amelynek f(x) a sűrűségfüggvénye. Példa 6: Adott sűrűségfüggvényből határozzuk meg az eloszlásfüggvényt! Példa 7: A céltáblára lövés F(x) eloszlásfüggvénye alapján: Várható érték A valószínűségi változó eloszlását az eloszlásfüggvény adja meg. A valószínűségi változó jellemzésénél azt vizsgáljuk, hogy milyen érték körül ingadoznak a lehetséges értékek, mekkorák az ingadozások, mennyire tömörülnek. Ezek a jellemzők: a várható érték és a szórás. 9
14 Legyen diszkrét eloszlású valószínűségi változó. Lehetséges értékei legyenek x 1,x 2,...,x n; ezek bekövetkezési valószínűségei p 1,p 2,...,p n. Végezzünk -ra vonatkozó N számú független kísérletet. Az lehetséges értékeinek gyakoriságai legyenek rendre k 1,k 2,...,k n (ahol ). Az -ra kapott értékek súlyozott számtani közepe Ha egyre több kísérletet végzünk, akkor a relatív gyakoriság az x i érték p i bekövetkezési valószínűségei körül, az számtani közép a érték körül ingadozik. Ezt a számot nevezzük várható értéknek. Példa 1: Az kockadobáshoz rendeljük hozzá a következő függvényt: Kifizetés Az a kérdés, hogy ha sokszor játszunk, nyerünk-e? Megoldás: A nyerés átlaga: Tehát hosszú távon kis nyereségre számíthatunk. Definíció: Az alábbi számot az η valószínűségi változó várható értékének nevezzük: amennyiben a fenti értékek léteznek. Jelölés: Ha az valószínűségi változó n különböző értéket vesz fel, és, akkor, 10
15 ha végtelen sok értéket vesz fel, akkor, feltéve, hogy e sor konvergens. Példa 2: Mechanikai analógia: Az x i pontban elhelyezett pi tömeg súlypontja éppen a várható érték. Példa 3: Kockadobás eloszlása: x i p i 1/6 1/6 1/6 1/6 1/6 1/6 A várható érték: Példa 4: Legyen az η valószínűségi változó eloszlása: A várható érték nem létezik: Példa 5: Folytonos valószínűségi változó várható értéke. Legyen az η valószínűségi változó sűrűségfüggvénye a következő: A várható érték: Példa 6: Határozzuk meg a céltáblára lövés várható értékét a sűrűségfüggvény ismeretében! 11
16 Ha az η valószínűségi változó konstans, akkor. Bizonyítás: Az η valószínűségi változó eloszlása: c, P(c)=1. A várható érték: Ha az η valószínűségi változónak létezik várható értéke, akkor létezik is, és. Bizonyítás: Ha triviális Ha a. Diszkrét valószínűségi változó eloszlása: eloszlása: a. Folytonos valószínűségi változó eset 12
17 eset Ha és várható értékek léteznek, akkor létezik is, és. Ha létezik, akkor létezik a valószínűségi változó várható értéke is és. Ha η és ξ független valószínűségi változók, és léteznek és várható értékek, akkor létezik is, és Szórás A szórás fogalma Ha egy valószínűségi változóra vonatkozóan független kísérleteket végzünk, a kísérleti eredmények a várható érték körül ingadoznak. Kérdés: Mennyire ingadoznak? Ha egy évfolyam jegyeinek várható értéke közepes, ez előfordulhat úgy, hogy mindenkinek közepes jegye van (ilyenkor a jegyek egyáltalán nem szórnak), vagy úgy, hogy fele elégtelen és fele jeles (ebben az esetben már szóródnak a jegyek), általános esetben egytől ötig mindenféle jegy előfordulhat (ekkor még jobban szóródhatnak a jegyek). Probléma: Hogyan lehetne mérni ezt a szóródást? Definíció: A nevezzük. értéket a η valószínűségi változó szórásnégyzetének vagy varianciájának 13
18 . Jelölés: A az η szórása A szórás meghatározása 1. Diszkrét valószínűségi változók szórása: Legyen Ha n véges:, innen Ha n megszámlálhatóan végtelen, akkor a fenti képletekben az összegzés a végtelenig végzendő. 1. Folytonos valószínűségi változó esetén:, innen Ha -nek létezik várható értéke, akkor Bizonyítás: Következmény:, és Példa: Kockadobás szórása: Példa: 14
19 Célbalövés szórása: A szórás tulajdonságai Ha az η valószínűségi változó egy konstans c értéket vesz fel, akkor Bizonyítás:. Ha az η valószínűségi változó szórásnégyzete, akkor létezik és létezik és Bizonyítás: Állítás: Legyenek η és ξ valószínűségi változók, és tegyük fel, hogy léteznek és szórásnégyzetek. Ekkor Bizonyítás: Definíció:. Ha létezik a kovarianciájának nevezzük. mennyiség, akkor ezt az η és ξ valószínűségi változó 15
20 Bizonyítás: Következmény: Ha η és ξ független valószínűségi változók, akkor. Ha két független valószínűségi változó szórása létezik, akkor az összegük szórásnégyzete az egyes valószínűségi változók szórásnégyzetének az összege: Bizonyítás: Az előző következmény következménye. Következmény: A tétel véges sok független valószínűségi változóra is igaz. Példa 1: Legyen, innen Legyen az η valószínűségi változó várható értéke, szórása. Tekintsük a u.n. standardizált valószínűségi változót. Ekkor és. Bizonyítás:, 16
21 Összefoglalás 1. Egy dobozban 1-től 22-ig számozott cédulákat helyeztünk el. Véletlenszerűen kihúzunk egy cédulát. A kihúzott szám két szempontból érdekes: 2-vel, illetve 3-mal való oszthatóság szempontjából. A ξ v. sz. v. legyen 1, ha páros számot húzunk, és legyen 0, ha páratlant húzunk. Hasonlóképpen η=1 jelentse azt az eseményt, hogy hárommal osztható a kihúzott szám, és η=0 azt, hogy 3-mal nem osztható. a. Írjuk fel a (ξ,η) kétdimenziós valószínűségi változó eloszlását! b. Mekkora cov(ξ,η)? 2. A ξ valószínűségi változó sűrűségfüggvénye: Határozza meg az eloszlás várható értékét, mediánját, szórását! 1. Határozzuk meg az sűrűség-függvényű ξ valószínűségi változó négyzetének: a. eloszlásfüggvényét b. szórását! 1. Egy bizonyos vizsgáztatónál a vizsgáztatás időtartamának, mint valószínűségi változónak a sűrűségfüggvénye: a. Határozza meg a vizsgáztatás idejének várható értékét és szórását! b. Mennyi a valószínűsége, hogy a vizsgáztatás fél óránál tovább, de egy óránál kevesebb ideig tart? 1. Egy dobozban 3 friss és 2 záptojás van. Visszatevés nélkül véletlenszerűen kiválasztunk hármat. Az η valószínűségi változó jelentse a kivett friss tojások számát. Adjuk meg az η változó a. Valószínűség-eloszlását és gráfját b. eloszlásfüggvényét és gráfját! Mennyi a valószínűsége, hogy i. legalább egy friss a. legfeljebb egy friss tojás van a kivettek között? 1. Az η valószínűségi változó eloszlása 17
22 a. p =? b. Írja fel a valószínűségi változó eloszlását! i.? 1. Az η folytonos valószínűségi változó sűrűség függvénye a. A =? b. i. Irodalomjegyzék Csanády V., Horváth R., Szalay L.: Matematikai statisztika, EFE Matematikai Intézet, Sopron, 1995 Csernyák L.: Valószínűségszámítás, Nemzeti Tankönyvkiadó, Budapest, 1990 Obádovics J. Gy. : Valószínűségszámítás és matematikai statisztika, Scolar Kiadó, Budapest, 2003 Reimann J. - Tóth J. : Valószínűségszámítás és matematikai statisztika, Tankönyvkiadó, Budapest, 1991 Rényi A.: Valószínűségszámítás, Tankönyvkiadó, Budapest, 1966 Solt Gy.: Valószínűségszámítás, Műszaki Könyvkiadó, Budapest, 1971 Denkinger G.: Valószínűségszámítás, Nemzeti Tankönyvkiadó, Budapest,
Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 4. MA3-4 modul. A valószínűségi változó és jellemzői
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematika III. 4. MA3-4 modul A valószínűségi változó és jellemzői SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról
RészletesebbenMatematika III. 2. Eseményalgebra Prof. Dr. Závoti, József
Matematika III. 2. Eseményalgebra Prof. Dr. Závoti, József Matematika III. 2. : Eseményalgebra Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027 Tananyagfejlesztéssel
RészletesebbenMatematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József
Matematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József Matematika III. 5. : Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
RészletesebbenMatematika III. 3. A valószínűségszámítás elemei Prof. Dr. Závoti, József
Matematika III. 3. A valószínűségszámítás elemei Prof. Dr. Závoti, József Matematika III. 3. : A valószínűségszámítás elemei Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027
RészletesebbenNyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 3. MA3-3 modul. A valószínűségszámítás elemei
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof Dr Závoti József Matematika III 3 MA3-3 modul A valószínűségszámítás elemei SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról szóló 1999
RészletesebbenNyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 1. MA3-1 modul. Kombinatorika
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematika III. 1. MA3-1 modul Kombinatorika SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról szóló 1999. évi LXXVI.
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
Részletesebben4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O
1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 2 II. A valószínűségi VÁLTOZÓ És JELLEMZÉsE 1. Valószínűségi VÁLTOZÓ Definíció: Az leképezést valószínűségi változónak nevezzük, ha
RészletesebbenA valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:
RészletesebbenKészítette: Fegyverneki Sándor
VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y
RészletesebbenNyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 2. MA3-2 modul. Eseményalgebra
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematika III. 2. MA3-2 modul Eseményalgebra SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról szóló 1999. évi LXXVI.
Részletesebben36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25
Valószínűségszámítás I. Kombinatorikus valószínűségszámítás. BKSS 4... Egy szabályos dobókockát feldobva mennyi annak a valószínűsége, hogy a -ost dobunk; 0. b legalább 5-öt dobunk; 0, c nem az -est dobjuk;
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása A csoport
Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
RészletesebbenEseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.
Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.
Részletesebben3. Egy ξ valószínűségi változó eloszlásfüggvénye melyik képlettel van definiálva?
. z és események függetlensége melyik összefüggéssel van definiálva? P () + P () = P ( ) = P ()P () = P ( ) = P () P () 2. z alábbi összefüggések közül melyek igazak, melyek nem igazak tetszőleges és eseményeke?
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
RészletesebbenMatematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 5. gyakorlat 013/14. tavaszi félév 1. Folytonos eloszlások Eloszlásfüggvény és sűrűségfüggvény Egy valószínűségi változó, illetve egy eloszlás eloszlásfüggvényének egy
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
RészletesebbenFeladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és
Feladatok 2 zh-ra 205 április 3 Eseményalgebra Feladat Az A és B eseményekr l tudjuk, hogy P (A) = 0, 7, P (B) = 0, 4 és P (A B) = 0, 5 Határozza meg az A B esemény valószín ségét! P (A B) = 0, 2 2 Feladat
Részletesebben1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség.
1. tétel Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. A valószínűségszámítás tárgya: véletlen tömegjelenségek vizsgálata. véletlen: a kísérlet kimenetelét
RészletesebbenPélda a report dokumentumosztály használatára
Példa a report dokumentumosztály használatára Szerző neve évszám Tartalomjegyzék 1. Valószínűségszámítás 5 1.1. Események matematikai modellezése.............. 5 1.2. A valószínűség matematikai modellezése............
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok 2. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =
RészletesebbenJármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János
BUDAPESTI MŐSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI KAR JÁRMŐELEMEK ÉS HAJTÁSOK TANSZÉK Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János Budapest 2008
RészletesebbenMatematika III. 8. A szórás és a szóródás egyéb mérőszámai Prof. Dr. Závoti, József
Matematika III. 8. A szórás és a szóródás egyéb Prof. Dr. Závoti, József Matematika III. 8. : A szórás és a szóródás egyéb Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
Részletesebben1. A kísérlet naiv fogalma. melyek közül a kísérlet minden végrehajtásakor pontosan egy következik be.
IX. ESEMÉNYEK, VALÓSZÍNŰSÉG IX.1. Események, a valószínűség bevezetése 1. A kísérlet naiv fogalma. Kísérlet nek nevezzük egy olyan jelenség előidézését vagy megfigyelését, amelynek kimenetelét az általunk
Részletesebben2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben
1 feladatsor 1 Egy dobozban 20 fehér golyó van Egy szabályos dobókockával dobunk, majd a következ t tesszük: ha a dobott szám 1,2 vagy 3, akkor tíz golyót cserélünk ki pirosra; ha a dobott szám 4 vagy
RészletesebbenMi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
RészletesebbenGyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László
Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,
RészletesebbenMatematikai geodéziai számítások 5.
Matematikai geodéziai számítások 5 Hibaterjedési feladatok Dr Bácsatyai László Matematikai geodéziai számítások 5: Hibaterjedési feladatok Dr Bácsatyai László Lektor: Dr Benedek Judit Ez a modul a TÁMOP
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok II. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
RészletesebbenGyakorló feladatok valószínűségszámításból végeredményekkel. a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli
Gyakorló feladatok valószínűségszámításból végeredményekkel a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli Mutassuk meg, hogy tetszőleges A és B eseményekre PA B PA+PB. Mutassuk
Részletesebbena megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli
Gyakorló feladatok valószínűségszámításból végeredményekkel a megoldásra ajánlott feladatokat jelöli, a nehezebb feladatokat jelöli. Igaz-e, hogy tetszőleges A, B és C eseményekre teljesül a A B \ C =
RészletesebbenMatematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
RészletesebbenSzámelmélet Megoldások
Számelmélet Megoldások 1) Egy számtani sorozat második tagja 17, harmadik tagja 1. a) Mekkora az első 150 tag összege? (5 pont) Kiszámoltuk ebben a sorozatban az első 111 tag összegét: 5 863. b) Igaz-e,
RészletesebbenValószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@cs.elte.hu 2016/2017. tavaszi félév Bevezetés Célok: véletlen folyamatok modellezése; kísérletekb l, felmérésekb
RészletesebbenMatematikai geodéziai számítások 10.
Matematikai geodéziai számítások 10. Hibaellipszis, talpponti görbe és közepes ponthiba Dr. Bácsatyai, László Matematikai geodéziai számítások 10.: Hibaellipszis, talpponti görbe és Dr. Bácsatyai, László
RészletesebbenMatematika B4 VIII. gyakorlat megoldása
Matematika B4 VIII. gyakorlat megoldása 5.április 7.. Eloszlás- és sűrűségfüggvény Ha az X egy folytonos valószínűségi változó, akkor X-et jól jellemzi az eloszlás illetve a sűrűségfüggvénye. Az eloszlásfüggvény
RészletesebbenStatisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.
Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,
RészletesebbenGazdasági matematika II. Tantárgyi útmutató
Módszertani Intézeti Tanszék Gazdálkodási és menedzsment, pénzügy és számvitel szakok távoktatás tagozat Gazdasági matematika II. Tantárgyi útmutató 2016/17 tanév II. félév 1/6 A KURZUS ALAPADATAI Tárgy
Részletesebben1. Kombinatorikai bevezetés
1. Kombinatorikai bevezetés 1.1. Permutációk Adott n különböző elem ismétlés nélküli permutációján az elemek egy meghatározott sorrendjét értjük. Az n különböző elem összes permutációinak számát P n -nel
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
RészletesebbenStatisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.
Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,
RészletesebbenMatematikai geodéziai számítások 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi
RészletesebbenAbszolút folytonos valószín ségi változó (4. el adás)
Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t
RészletesebbenGyakorló feladatok a 2. dolgozathoz
Gyakorló feladatok a. dolgozathoz. Tíz darab tízforintost feldobunk. Mennyi annak a valószínűsége hogy vagy mindegyiken írást vagy mindegyiken fejet kapunk? 9. Egy kör alakú asztal mellett tízen ebédelnek:
RészletesebbenBiometria az orvosi gyakorlatban. Számítógépes döntéstámogatás
SZDT-01 p. 1/23 Biometria az orvosi gyakorlatban Számítógépes döntéstámogatás Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Gyakorlat SZDT-01 p.
RészletesebbenMatematikai statisztikai elemzések 2.
Matematikai statisztikai elemzések 2. Helyzetmutatók, átlagok, kvantilisek. A szórás és szóródás Prof. Dr. Závoti, József Matematikai statisztikai elemzések 2.: Helyzetmutatók, átlagok, Prof. Dr. Závoti,
RészletesebbenValószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@math.elte.hu fogadóóra: szerda 10-11 és 13-14, D 3-415 2018/2019. tavaszi félév Bevezetés A valószín ségszámítás
Részletesebbenegyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk
Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,
RészletesebbenMatematikai statisztikai elemzések 6.
Matematikai statisztikai elemzések 6. Regressziószámítás: kétváltozós lineáris és nemlineáris regresszió, többváltozós regresszió Prof. Dr. Závoti, József Matematikai statisztikai elemzések 6.: Regressziószámítás:
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
RészletesebbenMegoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ
Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.
Részletesebben3. Egy szabályos dobókockával háromszor dobunk egymás után. Legyen A az az esemény, hogy
Valószínűségszámítás. zárthelyi dolgozat 009. október 5.. Egy osztályba 3-an járnak. Minden fizikaórán a a többi órától függetlenül a tanár kisorsol egy felelőt, véletlenszerűen, egyenletesen, azaz mindig
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 9. Együttes eloszlás, kovarianca, nevezetes eloszlások Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés, definíciók Együttes eloszlás Függetlenség
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
RészletesebbenA valószínűségszámítás elemei
Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet
RészletesebbenMatematikai statisztikai elemzések 3.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzek 3. MSTE3 modul Becslelmélet: alapfogalmak, nevezetes statisztikák, intervallum-becsl SZÉKESFEHÉRVÁR
Részletesebben1. Hányféle sorrendben vonulhat ki a pályára egy focimeccsen a tizenegy kezdő játékos?
Valószínűségszámítás, földtudomány alapszak, 2015/2016. őszi félév 1. Hányféle sorrendben vonulhat ki a pályára egy focimeccsen a tizenegy kezdő játékos? 2. Két tizenhárom fős vízilabdacsapat mérkőzik
RészletesebbenMatematikai statisztikai elemzések 2.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések 2. MSTE2 modul Helyzetmutatók, átlagok, kvantilisek. A szórás és szóródás egyéb mérőszámai.
RészletesebbenGyakorlat. Szokol Patricia. September 24, 2018
Gyakorlat (Geometriai valószínűség, feltételes valószínűség) September 24, 2018 Geometriai valószínűség 1 Az A és B helységet 5 km hosszú telefonvezeték köti össze. A vezeték valahol meghibásodik. A meghibásodás
RészletesebbenNyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 6. MA3-6 modul. A statisztika alapfogalmai
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematika III. 6. MA3-6 modul A statisztika alapfogalmai SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról szóló 1999.
RészletesebbenVALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA
VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események
RészletesebbenMatematikai statisztikai elemzések 1.
Matematikai statisztikai elemzések 1. A statisztika alapfogalmai, feladatai, Prof. Dr. Závoti, József Matematikai statisztikai elemzések 1.: A statisztika alapfogalmai, feladatai, statisztika, osztályozás,
RészletesebbenMatematikai geodéziai számítások 5.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 5 MGS5 modul Hibaterjedési feladatok SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról
RészletesebbenElméleti összefoglaló a Sztochasztika alapjai kurzushoz
Elméleti összefoglaló a Sztochasztika alapjai kurzushoz 1. dolgozat Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet
RészletesebbenBevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,
Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár PhD kurzus. KOKI, 2015.09.17. Mi a statisztika? A sokaság (a sok valami) feletti áttekintés megszerzése, a sokaságról való információszerzés eszköze.
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Számelmélet
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Számelmélet A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenMatematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás
Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre
RészletesebbenValószínűségszámítás. Tómács Tibor. F, P ) egy valószínűségi mező, A P (A). Ha ϱ n az A gyakorisága, kísérletek száma, akkor minden ε. p(1 p) nε 2.
Tómács Tibor Valószínűségszámítás F, P egy valószínűségi mező, A P (A. Ha ϱ n az A gyakorisága, kísérletek száma, akkor minden ε én ( ϱ n P n p ε p(1 p nε 2. Matematikai és Informatikai Intézet Tómács
RészletesebbenMatematikai alapok és valószínőségszámítás. Valószínőségszámítási alapok
Matematikai alapok és valószínőségszámítás Valószínőségszámítási alapok Bevezetés A tudományos életben vizsgálódunk pontosabb megfigyelés, elırejelzés, megértés reményében. Ha egy kísérletet végzünk, annak
RészletesebbenOperációkutatás. 4. konzultáció: Sorbanállás. Exponenciális elsozlás (ismétlés)
Operációkutatás NYME KTK, gazdálkodás szak, levelező alapképzés 2002/2003. tanév, II. évf. 2.félév Előadó: Dr. Takách Géza NyME FMK Információ Technológia Tanszék 9400 Sopron, Bajcsy Zs. u. 9. GT fszt.
RészletesebbenValó szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny
Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.
RészletesebbenOsztályozóvizsga követelményei
Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 12 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Emelt
RészletesebbenGazdasági matematika II. tanmenet
Gazdasági matematika II. tanmenet Mádi-Nagy Gergely A hivatkozásokban az alábbi tankönyvekre utalunk: T: Tóth Irén (szerk.): Operációkutatás I., Nemzeti Tankönyvkiadó 1987. Cs: Csernyák László (szerk.):
RészletesebbenA sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex
A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az
RészletesebbenAz értékelés a következők szerint történik: 0-4 elégtelen 5-6 elégséges 7 közepes 8 jó 9-10 jeles. A szóbeli vizsga várható időpontja
2016/17 I. félév MATEMATIKA szóbeli vizsga 1 A szóbeli vizsga kötelező eleme a félév teljesítésének, tehát azok a diákok is vizsgáznak, akik a többi számonkérést teljesítették. A szóbeli vizsgán az alább
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Számelmélet
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Számelmélet A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenStatisztika I. 8. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
RészletesebbenKözlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta
Közlemény Biostatisztika és informatika alajai. előadás: Az orvostudományban előforduló nevezetes eloszlások 6. szetember 9. Veres Dániel Statisztika és Informatika tankönyv (Herényi Levente) már kaható
RészletesebbenGazdasági matematika 1 Tantárgyi útmutató
Módszertani Intézeti Tanszék Emberi erőforrások, gazdálkodási és menedzsment, pénzügy és számvitel szakok nappali tagozat Gazdasági matematika 1 Tantárgyi útmutató 2016/17 tanév I. félév 1/5 Tantárgy megnevezése
RészletesebbenBiometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem
Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem Előadások-gyakorlatok 2018-ban (13 alkalom) IX.12, 19, 26, X. 3, 10, 17, 24, XI. 7, 14,
RészletesebbenSzámsorok. 1. Definíció. Legyen adott valós számoknak egy (a n ) n=1 = (a 1, a 2,..., a n,...) végtelen sorozata. Az. a n
Számsorok 1. Definíció. Legyen adott valós számoknak egy (a n ) = (a 1, a 2,..., a n,...) végtelen sorozata. Az végtelen összeget végtelen számsornak (sornak) nevezzük. Az a n számot a sor n-edik tagjának
RészletesebbenFunkcionálanalízis. n=1. n=1. x n y n. n=1
Funkcionálanalízis 2011/12 tavaszi félév - 2. előadás 1.4. Lényeges alap-terek, példák Sorozat terek (Folytatás.) C: konvergens sorozatok tere. A tér pontjai sorozatok: x = (x n ). Ezen belül C 0 a nullsorozatok
RészletesebbenValószínűségszámítás
European Virtual Laboratory of Mathematics Project No. 2006 - SK/06/B/F/PP - 177436 Európai Virtuális Matematikai Laboratórium Árvai- Homolya Szilvia Valószínűségszámítás EVML e-könyvek Miskolc 2008 Sorozat
RészletesebbenA Statisztika alapjai
A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati
RészletesebbenNEVEZETES FOLYTONOS ELOSZLÁSOK
Bodó Beáta - MATEMATIKA II 1 NEVEZETES FOLYTONOS ELOSZLÁSOK EXPONENCIÁLIS ELOSZLÁS 1. A ξ valószínűségi változó eponenciális eloszlású 80 várható értékkel. (a) B Adja meg és ábrázolja a valószínűségi változó
RészletesebbenGazdasági matematika II. vizsgadolgozat, megoldással,
Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak
RészletesebbenMatematikai statisztikai elemzések 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések 6. MSTE6 modul Regressziószámítás: kétváltozós lineáris és nemlineáris regresszió, többváltozós
RészletesebbenValószínűségszámítás és statisztika
Valószínűségszámítás és statisztika Programtervező informatikus szak esti képzés Varga László Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem
Részletesebben